本发明公开了一种智能视觉监控检索中提取目标运动轨迹特征的方法，包括以下步骤：获取目标运动轨迹，以二维空间坐标序列对目标运动轨迹进行描述；根据描述目标运动轨迹的二维空间坐标序列，计算描述每次采样中目标运动方向的水平分量和垂直分量；将每次采样中目标的二维空间坐标和描述每次采样中目标运动方向的纵向斜率和横向斜率合并组成每次采样中目标的流矢量；以流矢量序列对目标运动轨迹进行描述；读取预先建立的参考矢量集合；计算描述目标运动轨迹的流矢量序列到各参考矢量的距离作为该目标运动轨迹的特征向量。本发明方法使用流矢量序列描述目标运动轨迹并提取特征向量，可以在轨迹描述中同时包含位置和方向信息，避免了测量误差。

1. 痛点问题 我们生活在一个真实的三维世界中，二维环境感知是远无法满足我们的实际需求。在诸如自动驾驶、机器人抓取和三维目标识别等应用中（如图1），我们经常需要推理三维空间中物体之间的位置关系，从而能够理解真实三维场景并做出进一步的决策行为。 图1 自动驾驶、视觉抓取、物体识别 2. 解决方案 本技术成果提出了一种三维视觉目标检测与识别方法。在三维视觉目标检测方面，提出了一种基于关系推理网络的单目三维物体检测方法，方法流程图如图2所示。方法提出了一种新的单目三维物体检测架构，训练了一个深度关系推理网络来估计三维候选和真实物体之间的空间位置关系，通过测量投影结果和真实物体之间的视觉拟合度来实现高精的三维空间定位。 图2 三维目标检测的流程图 在三维视觉目标识别方法，提出了一种基于球面分形卷积神经网络的三维点云识别技术，方法流程图如图3所示。方法通过引入球面分形结构，将原始三维点云通过可学习的神经网络投影到球面，使得卷积神经网络可以高效处理三维点云数据并进行特征特征，同时通过设计基于分形结构的层次化学习框架，提高了三维点云物体识别的精度，实现了对于三维点云目标在旋转条件下特征表示的鲁棒性。 合作需求 寻求在人工智能、智能机器人、智慧城市等领域有相关技术开发、市场推广经验，能推进本技术落地的高科技企业，可以进行深度合作。本技术成果有望在自动驾驶、虚拟现实等场景进行落地应用。

本实用新型涉及双目立体视觉测距技术，具体涉及一种多摄像头自适应的立体视觉测距装置，包括 主板，固定在主板上的左一摄像头、左二摄像头、右一摄像头、右二摄像头、右三摄像头、左数据传输 接口，及右数据传输接口，还包括外部控制板；左一摄像头、左二摄像头通过主板与左数据传输接口连 接；右一摄像头、右二摄像头、右三摄像头通过主板与右数据传输接口连接；左数据传输接口、右数据 传输接口分别与外部控制板连接。该测距装置结构简单、操作方便、成本低，具有多个摄像头，允许根 据待测物的实际位置和实际距离选择使用摄像头对，具有自适应性，可移植性强，能够实现双目立体视 觉测距所需图像数据的实时采集和传输。 

一种基于对象随机游走的遥感图像视觉显著性检测方法及系统，包括进行多尺度分割，并在每个尺 度下分别对颜色特征相似的邻接区域进行合并;对于每个尺度下的分割结果，分别提取每个分割区域的 视觉特征，构建当前尺度下的对象集合;对于每个尺度下的对象集合，通过对象间的特征差异计算对应 的边缘权重，并计算注意焦点在对象间的转移概率，获得注意焦点的转移概率矩阵，分别根据注意焦点 的转移概率矩阵计算注意焦点在所有对象间的平稳分布，由该平稳分布中每个对象对应的概率进一步计 算视觉显著性并归一化，获得当前尺度下的归一化视觉显著图;融合各个尺度下的视觉显著图，即可获 得该遥感图像最终的视觉显著图。

本发明提出一种基于视觉特征的视频指纹检测方法，具体为：按照帧间相关性对视频序列分段，在分段中提取关键帧；在各关键帧中提取视频特征；利用像素点特征字典对像素点分类；对各关键帧分别进行多次不同数量的分块，在各子块中依据像素点的分类结果统计像素点特征字典各元素的出现次数，得到该子块的特征向量；将所有子块的特征向量拼接得到关键帧的高维视频指纹；对各高维视频指纹进行降维；将各视频片段关键帧的低维视频指纹按照时间先后顺序连成关键帧视频指纹串。本发明还提供了基于上述指纹检测方法的视频匹配方法。本发明通过对视频内容的关键信息进行有效描述，在不影响匹配率的情况下，大大降低了算法的复杂度，有效提高了检测效率。

本发明公开了一种雷达视觉融合扭矩测控系统曲线质量自动判断方法，包括如下步骤：步骤S1：进行拐点识别；步骤S2：进行疑问图形判断；步骤S3：进行特殊扣型与普通扣型判断；步骤S4：矩阵公式应用。本发明的方法显著提高了石油器械作业效率，减少了人工操作时间，降低了人为因素对判断结果的干扰，确保了判断结果的一致性和可重复性。同时，通过实时、准确地识别和分类扭矩曲线，本发明能够及时发现不合格图形并报警，避免不合格连接进入后续作业环节，从而有效保障套管连接质量，为石油开采和钻井作业提供更加可靠的技术支持。

本发明涉及显示技术与人机交互交叉领域，提供基于多模态融合模型的平板显示视觉舒适度预测方法、系统，其中方法包括：步骤一、采集原始图像集，针对每一原始图像，运用生成对抗网络模型将输入的随机序列转换为增强素材，再将增强素材和原始图像按预设比例融合，获得若干新图像；步骤二、采集生理特征和物理特征，获得训练样本；步骤三、基于堆叠集成框架训练多模态融合模型；步骤四、输入测试数据，获得视觉舒适度预测结果。本发明旨在解决平板显示视觉舒适度预测领域高质量标注样本稀缺、单一模态分析耦合关系缺失、场景适配性差的问题。

本发明提供了一种基于机器视觉的铁路散货卸料斗识别与定位方法，涉及铁路散货卸料斗跟踪与定位技术领域。该方法包括：采集目标卸料斗的深度图样本；对深度图样本执行预处理，生成样本数据集；从样本数据集中提取卸料斗的几何特征；将卸料斗的几何特征作为输入，利用CNN进行卸料斗的目标识别与定位训练，得到卸料斗识别模型；将相机捕获到的实时深度图送入卸料斗识别模型进行卸料斗的实时识别与定位，卸料斗识别模型输出卸料斗的三维空间信息和存在概率，将结果传送至控制系统，引导机械臂执行卸料操作。本发明适用于卸料作业中的实时监测，实时精确定位铲斗的当前位置，及时避免铲斗与货舱之间的冲击性损伤，提高卸料的效率与安全性。

一、设备概述         LG-IRBL02型 并联机器人视觉分拣工作站由机器人工作台、输送带、ABB四自由度并联机器人、末端执行器、视觉系统和辅助模块组成。该装置的主要任务是，机器人通过视觉定位抓取散乱工件进行高速高精度分拣放置整齐工作。该功能可用于来料分拣抓取装盒等工作。 二、技术参数 1、输入电源：单相AC200V～230V(＋10%－15%),50Hz； 2、工作环境：温度0℃～45℃，相对湿度20％～90％RH（40℃）； 3、工作站尺寸：2010mm×900mm×1850mm； 4、操作台：700mm×500mm×1350mm 5、四自由度并联机器人采用ABB IRB360-1/800并联机器人，有效负载1KG，拾料范围800mm。 三、设备组成及功能描述 1、输送带     采用两条输送带，主要完成物料输送，配合机器人对物料进行高速分拣。 2、四自由度并联工业机器人     本工作站采用的四自由度ABB IRB360-1/800并联机器人，有效负载1KG，拾料范围800mm。 3、机器人末端执行器     本工作站的机器人末端执行器即为吸盘。末端执行器安装于机器人末端安装法兰面上，用于随机器人对物料进行高速高精度的分拣。 4、视觉系统     本工作站采用欧姆龙FZ-350智能视觉系统，由视觉控制器、白色光源、视觉相机及监视显示器等组成。用于检测工件的特性，如数字、颜色、形状等，还可以对装配效果进行实时检测操作。通过视觉系统对物料的位姿进行检测，将信号传送给控制系统，控制系统通过计算分析后指令机器人对物料进行分拣。 5、机器人工作台     本工作站中并联机器人、输送带、视觉系统等其他辅助模块均集成于工作台上，布局合理、美观，使用方便。 6、辅助模块     本工作站为了保证物料机器人循环分拣物料，故在输送带另一端配装物料导向装置。 四、设备特点 1、直观性较强：主要设备均采用直接外露的安装形式，结构简单，便于学生拆装。 2、系统性强，贴近实际生产：该实训平台将目前两台典型的高速机器人（3+1轴）和机器人视觉系统有机结合，同时集成传感器、气动元器件等知识，使学生对机电一体化设备有了更直观的认识。该平台模拟了机器人实际应用，缩短学生从教室到工业现场的过度和适应时间。 3、开放性和扩展性强：该平台还可根据自己的教学需要快捷地更换主要设备，通过现场总线实现多种设备的挂接。 4、安全性高：该实训平台配备相应的漏电、过载及短路保护，能够确保操作者的人身安全。 五、实训项目 1、并联机器人的机构组成、工作原理、性能指标认识； 2、并联机器人机械系统的组成； 3、并联机器人正逆运动学分析； 4、并联机器人控制系统的学习； 5、PLC的学习与应用； 6、CoDeSys软件的了解与应用； 7、现场总线的应用； 8、机器人示教编程与再现控制原理与方法； 9、机器人PTP运动轨迹控制方法； 10、机器人视觉系统的认识及操作； 11、机器人的视觉分拣实验； 12、系统故障诊断与维护。